Séries Temporais com R
1
Prefácio
1.1
Pré-requisitos
1.2
Sobre o Autor
2
Os fundamentos de séries temporais
2.1
O que pode ser previsto?
2.2
Principais modelos de previsão
2.3
O passo-a-passo de realizar uma previsão
2.4
Um Projeto de Previsão de Ponta a Ponta
2.4.1
Carregando os pacotes necessários
2.4.2
Dados
2.4.3
Criando uma base de treinamento
2.4.4
Fórmula
2.4.5
Especificando o modelo
2.4.6
Previsão
2.4.7
Performance do modelo
3
Características de Séries Temporais
3.1
Objeto
ts
3.1.1
Frequências de uma série temporal
3.2
Gráficos de Séries Temporais
3.2.1
Convertendo tk para data.frame
3.3
Padrões das Séries Temporais
3.3.1
Série Sem Padrão
3.3.2
Uma Série com Padrão
3.3.3
Sazonalidade
3.3.4
Tendência
3.3.5
Padrão Cíclico
3.4
Decomposição
3.4.1
Decomposição STL
4
Modelos Estatísticos
4.1
Ruído Branco
4.2
Média Móvel e Filtro
4.3
Autoregressões
4.4
Random Walk com Drift
4.5
Sinal no Ruído
5
Conceitos Teóricos
5.1
Média, Variâncias e Covariâncias
5.2
Função Média
5.3
Função de Autocovariância
5.4
A Função de Autocorrelação (FAC)
5.4.1
Tendência e sazonalidade em Correlogramas
5.4.2
A Função de Covariância-Cruzada e de Correlação-Cruzada
6
Considerações Práticas
6.1
Conjuntos de teste e treinamento
6.1.1
Funções para dividir uma série temporal
6.2
Transformação de variáveis
6.2.1
Funções para transformar dados
6.3
Rodando um modelo simples
6.3.1
Método da Média
6.3.2
Método Naïve
6.3.3
Método Naïve Sazonal
6.3.4
Função para ajustar modelos:
parsnip
6.3.5
Ajustando os modelos
6.4
Valores ajustados e resíduos
6.4.1
Teste de Ljung-Box
6.4.2
Função para Teste dos Resíduos
6.5
Medindo a performance da previsão
6.5.1
Erros dependentes da escala
6.5.2
Erros de porcentagem
6.5.3
Erros Escalados
6.5.4
Função para Medidas de Performance
6.6
Métodos de Reamostragem
6.6.1
Validação Cruzada para Séries Temporais
6.6.2
Implementando Validação Cruzada
6.6.3
Ajustando Modelos com Reamostragem
7
Modelo de Regressão para Séries Temporais
8
Modelos ARIMA
9
Modelos de Regressão Dinâmicos
9.0.1
Valor de utilizar variáveis explicativas
9.0.2
Modelos Dinâmicos de Regressão
9.1
Estimação
9.2
Regressão com Erros ARIMA
9.2.1
Exemplo: Consumo e Renda nos EUA
9.3
Previsão
9.4
Exemplo 2: Previsão de Demanda por Eletricidade
9.5
Regressão com Termos Harmônicos
9.6
Exemplo:
10
Modelos Avançados
10.1
Múltiplas Sazonalidades
10.2
Modelo Prophet
10.3
Modelo de Redes Neurais
10.4
Bootstrapping e Bagging
11
Modelos Hierárquicos
11.1
Séries Temporais Agrupadas
11.2
Hierarquia Temporal
References
Published with bookdown
Forecasting Series Temporais com R
Capítulo 10
Modelos Avançados
10.1
Múltiplas Sazonalidades
10.2
Modelo Prophet
10.3
Modelo de Redes Neurais
10.4
Bootstrapping e Bagging